Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

Sistem Pendukung Keputusan – Gunandjar. Kebutuhan akan informasi baru. memadatkan.Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM).• • • • • • Kebutuhan akan informasi yang akurat.ST Page 5 . Mempertemukan berbagai gaya keputusan individu para Eksekutif. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. electronic meeting systems. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. Menyediakan akses cepat pada informasi detil yang tersirat di teks. seperti: groupware. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. dan melacak data dan informasi yang kritis. tak terlalu baik. sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. Identifikasi masalah (atau juga kesempatan). Penyediaan informasi yang tepat waktu. dan group DSS (ini yang kita gunakan).4 Executive Information (atau Support) Systems (EIS atau ESS).3 Group Support Systems (GSS). sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. DSS dipandang sebagai pemenang secara organisasi. Memfilter. Pencapaian pengurangan biaya. Manajemen diamanahi DSS. collaborative systems. 1. bilangan. End-user bukanlah programer. atau grafik. 1. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). Dan ini dipenuhi oleh DSS.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif.

• Pada teknologi sebelumnya. ES dibuat untuk menyerupai seorang pakar/ahli. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini.6 Neural Computing (Artificial Neural Network). Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. pada satu area masalah yang spesifik dan biasanya lebih sempit. mungkin tak bisa didapatkan data. Dan seperti seorang pakar. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. maka akan solusinya akan lebih spesifik. • • Perubahan lingkungan yang terjadi sedemikian cepatnya. informasi.5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. 1. Ide dasarnya sederhana. ataupun pengetahuan secara eksplisit. tak lengkap. Kepakaran ditransfer dari seorang pakar ke komputer. yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli.ST . sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. atau pun tak eksak). • • Merupakan cabang dari aplikasi Artificial Intelligence (AI). ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. mengolah dan menampilkan kesimpulan yang spesifik. Komputer dapat mencari. • Pada dunia nyata yang begitu kompleks. informasi. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah.1.

Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. Executive Information Systems (EIS). EIS. 4. Management Information Systems (MIS). monitoring Deccision Support Systems (DSS) Long-renge strategic planning. 7.production and sales Sistem Pendukung Keputusan – Gunandjar. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi.komputer. MIS.ST Page 7 . complex Diagnostics strategic planning. Decision Support Systems (DSS) dan Group DSS (GDSS). record keeping.inventory. disebut dengan Neural Computing atau ANN. • Teknologi yang ditujukan untuk mengisi kekurangan ini.sales forecasting. Mereka saling berhubungan. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi. Expert System (ES) Execytive Information System (EIS) Support top management decision. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. Transaction Processing Systems (TPS). Office Automation Systems (OAS). Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. DSS. 3. MIS. internal control. Contohnya adalah pengenalan pola. Pendekatan ini berarti bahwa MSS dipandang canggih. 2.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. Expert Systems (ES). 6. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan. Hubungan antara TPS. 1. OAS. 5. Artificial Neural Network (ANN).envi to Applications Payroll.

ST . low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1. integrated management science models. rules) ronmental scanning Tracking. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application. exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial.kno wledge base (facts.tra nsfer of expertise Procedural and factual knowledge. masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar. blend of judgment and modeling Numerical The decision system when make complex unstructured. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem.cont rol. stategies Interfencing.information Focus Data transactions information integrated problem areas Decisions flexibility. user friendliness Database by management systems.intera ctive factual knowledge access. operational Scheduled and demand report structured flow.som e symbolic Status access exception reporting. drill down External (online)and corporate. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly).8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.key indicators Type of information Summary reports.

Relevansinya untuk manajer adalah dalam pembuatan tool pendukung. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. waktu tunggu. data.aturan keputusan. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur. di bawah pengawasan mereka. • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. dimana prosedur operasi standar. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya. misalnya dengan penyediaan laporan dan akses ke data. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. dan dengan mengganti karyawan klerikal.tak diharapkan. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya.ST Page 9 . Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. aturan. dan batasan-batasan dapat lebih dulu ditentukan. tetapi tetap pertimbangan manajer memiliki esensi utama. dan lain-lain. dimana tujuan. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata.

proses pengambilan keputusan. 2.ST Page 10 . Sekali suatu masalah (kesempatan) teridentifikasi. Proses pengambilan keputusan: 1. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Step A. kapan) dan dalam penginterpretasian informasi. Menurut kenyataannya. Analisis. Seluruh area dari proses scanning. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). monitoring. mereka dapat mengkomplemen satu sama lain. Mengerti masalah (atau kesempatan yang ada). maka kombinasiantara ES dan ANN tentu akan membantu. Disebabkan beberapa informasi bersifat fuzzy. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. disebabkan karena perbedaan kapabilitas diantara kedua tool. yang jelas dapat meningkatkan pengambilan keputusan manajerial. Disiplin antara ES dan DSS berkembang pararel. tujuan sistem. MIS. Step B. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. tapi saling tak tergantung dan berjalan sendiri. atau solusi tertentu. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya. sistem yang berbasis komputer.sendiri. Relasi antara EDP. membuatnya menjadi powerful. bagaimana untuk memonitor.forecasting (misalnya. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya.Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. terintegrasi.

Pada tahap ini.ANN. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer.ST Page 11 . 4. Sistem Pendukung Keputusan – Gunandjar. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. dan DSS dan/atau ES bisa mendukung tahap ini.oleh tool-tool analisis kuantitatif. EIS. Step C. Memilih. Implementasi. keputusan untuk mengimplementasikan solusi tertentu dilakukan. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). Analisis kualitatif didukung oleh ES.NLP. Step D. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya. Pada langkah ini. 3.

• • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting.ST Page 12 . detil. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. Keuntungan utama dari MSS adalah ia dapat diukur. Setiap kategori mendapat dukungan komputer sendiri. Maka metode intuisi dan trial and error tak tepat lagi. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. Semua teknologi MSS adalah interaktif. yang sedia setiap saat. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. tergantung pada derajat struktur dan aktivitas manajerial. Sistem Pendukung Keputusan – Gunandjar. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan).sendiri. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar.• • Manejemen pengambilan keputusan makin lama makin kompleks. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan.

bisa memutuskan untuk memodifikasi input.kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada. Proses adalah proses transformasi elemen-elemen dari input menjadi output. Dari informasi ini. EIS. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . Input adalah semua elemen yang masuk ke sistem. DSS. Contohnya adalah bahan baku yang masuk ke pabrik kimia. 2.SISTEM. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. input data ke komputer. dan ES melibatkan satu istilah: sistem. pasien yang masuk ke rumah sakit. Sistem. konsep. (2) design. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem.yaitu: (1) intelligence. yang diakhiri dengan suatu rekomendasi.ST Page 13 . atau malah keduanya. (3) choice. dan Output. and (4) implementation. Sistem terdiri dari: Input. Sistem Pendukung Keputusan – Gunandjar. Sistem adalah kumpulan dari obyek-obyek seperti orang. Fase 1 sampai 3 merupakan dasar pengambilan keputusan.1.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4). GDSS. resources. 4 fase dalam pengambilan keputusan. pengambil keputusan. yang bertindak sebagai pengontrol.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan. Proses. atau proses. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.BAB 2 PENGAMBILAN KEPUTUSAN.

Iconic (Scale). • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Analog. speedometer. maka elemen tersebut harus dimasukkansebagai bagian dari environment.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. energi. politik.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. biasanya dalam skala tertentu dari bentuk aslinya. dimana environment ada di luarnya. atau non fisik. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. output. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. Contoh: bagan organisasi.Doing the “thing” right. Bisa secara fisik. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. tak tergantung sama sekali.ST Page 14 . Model adalah representasi sederhana atau penggambaran dari kenyataan. peta. dan ekonomi. Sistem ada di dalam boundary. 2. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. aspek fisik. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. 2. Ini mengacu pada hasil atau output dari suatu sistem. Namun. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. hukum. GUI pada OOPL adalah contoh dari model ini. bagan pasar modal. atau pun proses. misal: sistem adalah sebuah departemen di Gedung C. Doing the “right” thing. sebagai contoh. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. misal: suatu sistem di batasi oleh waktu tertentu. Contoh: sosial. Sistem ini menerima input (informasi. Replika fisik dari sistem. mereka dapat mempengaruhi kinerja dan tujuan sistem. Terdapat 3 jenis model: 1. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi. Sistem Pendukung Keputusan – Gunandjar. Sistem ini secara penuh mandiri.

Terlalu banyak alternatif untuk dicoba. 2. Model memungkinkan untuk menyingkat waktu. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. 7. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. 5. Akibat samping dari error yang terjadi besar pengaruhnya. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. 4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.3.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. Matematis (Kuantitatif). 6. bahkan bisa tak terhitung. Tapi ini tak berjalan bila: 1. Lingkungan itu sendiri selalu berubah.kemungkinan solusi yang banyak sekali. 2. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. 3. Page 15 Sistem Pendukung Keputusan – Gunandjar. Dengan adanya komunikasi dan teknologi canggih sekarang ini. • Simulasi. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer. Lingkungan sekarang yang makin berada dalam ketidakpastian. 2. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. 3. manajer akan seringkali memiliki alternatif-alternatif pilihan.ST . karena kalau pun bisa akan memakan waktu lama dan sulit.

dites. dan divalidasi. Penguraian masalah. Kepemilikan masalah.Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Tahap ini meliputi pembuatan. Prediksi hasil. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan. Juga model dari masalahnya dirancang.ST Page 16 . Pengembangan (penyediaan) alternatif. Klasifikasi masalah. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar. 2. Proses pengambilan keputusan.4 Design Phase.• • • Optimisasi Heuristic. yaitu: • • • • • • • Komponen-komponen model. pengembangan. 2. Skenario. dan analisis hal-hal yang mungkin untuk dilakukan. Struktur model. Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. Pengukuran hasil.

period of share. and return. Pemecahan masalah juga mengacu pada evaluasi peluang. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. tax rates Delivery distance . Sistem terdiri dari input. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. proses dan pengambil keputusan. yang bisa dalam bentuk iconic. berinteraksi dengan lingkungannya. DSS utamanya berhubungan dengan sistem yang terbuka. amounts. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. earning per prime rate competition timing Customers income.ST . Model banyak digunakan dalam MSS. atau tertutup. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. liquidity level of invesmentn Advertising budget. Sistem dapat terbuka. analog Page 17 Sistem Pendukung Keputusan – Gunandjar. output.

Pada fase intellegence. kriteria pemilihan ditetapkan. diklasifikasikan. Pada fase design.atau matematis. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. dan implementation. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. design. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. optimisasi. Pemodelan dapat menggunakan teknik simulasi. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. atau heuristic. Berbagai teknik pencarian disediakan. suatu model sistem dibuat. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. masalah (peluang) diidentifikasikan.ST Page 18 . Dalam evaluasi alternatif. choice. Gaya keputusan manusia harus dikenali dalam mendesain MSS. Sistem Pendukung Keputusan – Gunandjar. Pada fase choice. Pengambilan keputusan melibatkan 4 fase utama: intelligence. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. hasil diprediksi. alternatif dihasilkan. dan metodologi keputusan dibuat. dan diuraikan (jika diperlukan).

are submitted. 1. Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. film. dan televisi. 2. carefully monitor both the data values and the manner in which the data were generated. 3. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu. Personal. Contoh: data mengenai karyawan dan penggajiannya. survey (menggunakan kuisoner). Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. Biro Pusat Statistik. karena banyak tak relevan dengan MSS yang diinginkan. dan personal. Contoh: PDBI (dulu. Internal. Data ini mengenai orang. Contoh: metode time studies (selama observasi). atlas. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. produk. Modify the system for The method for generating generating the data.ST Page 19 . services. jamannya Christianto Wibisono sebelum pindah ke Australia). diagram. musik. berita/informasi dari BEJ/BES. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. observasi (misal dengan menggunakan kamera video). dan lain-lain. Problem Data are not correct.1 Sumber Data 3 sumber data adalah dari: internal. Juga gambar. Eksternal. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). Whenever derived data carelessly. Contoh: perkiraan penjualan atau opini mengenai kompetitor. 3. Bentuknya bisa berupa CD-ROM. atau suara.BAB III MANAGEMENT DATA 3. eksternal.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. • Instrumen dan sensor. meminta pendapat pakar (misal dengan mewawancarainya). dan proses.Data derived by ensure the accuracy of raw an individual were generated data. Pilihlah data eksternal yang relevan saja. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar.

• • • Procedural Languages. difficult to develop and maintain.No one ever stored data needed now Whether or not it is useful now. dll. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. Problem-oriented Language. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. struktur file yang kompleks. Nonprocedural Fourth-generation Language (4GLs). C#. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. 3. store data for future use. Contoh: BASIC. Diikuti dengan Object-oriented Language: C++. Delphi. This may be impractical because of the cost of storing and maintaining data.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. Data are not measured or indexed properly.ST . Software Database. Needed data simply do not exist Required data never existed. Make an effort to generate the data or to estimate them if they concern the future. of the analysis. PHP. dan keamanan data yang lebih baik dari sekedar database biasa. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. dan Pascal.to meet the need for the data. 4GLs memiliki keuntungan: • Result-oriented. FORTRAN. COBOL. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. pengambilan. Java. Futher more the data may not found when they needed. A detailed model contains so many coefficients that it is models. pengubahan dan penampilan data secara cepat.

Sebagai suatu MSS generator untuk membangun aplikasi tertentu. Environment untuk applications development. Graphic enhancement. dan dibangunnya itu adalah dari sekedar konsep kasar. Nonprocedural report writer (atau report generator). • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. Sehingga merupakan tool pengembangan yang efektif. Screen definition dan management facility. k. Fitur-fitur ini adalah: a.sekitar 300 kali lipat untuk berbagai aktivitas. Query language. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. d. f. sebab 4GLs dirancang baik untuk spesialis maupun end-user.4. Sistem Pendukung Keputusan – Gunandjar. satu DBMS dapat dibuat dengan 4GL. Nonprocedural language untuk data maintenance. Relational language. g. Applications management. Fourth-generation DBMS. Client/server management. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. j. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. h. e. Micro-to-mainframe environment. Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. l. dan buat pembangunan DSS membuatnya menjadi lebih mudah . DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. Modeling language. sebagai contoh. m.ST Page 21 . FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. i. Fourth-generation Systems. b. n. Environment untuk information consumers. Extended data access. 3. c. Sebagai tool ideal untuk pusat informasi (Information Centers).

sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. SQL adalah bahasa nonprocedural dan user-friendly.3. dan untuk fungsi-fungsi administrasi database. DB2. Hierarchical. untuk berbagai produk operasi DBMS dari program. Aplikasi MSS yang kompleks.6 Object-oriented Database. Struktur ini mengijinkan link yang kompleks. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. Sehingga mirip seperti pohon. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. 3. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. Arsitektur database hierarchical. • Network.ST Page 22 . yang melibatkan gambar-gambar dan relasi yang juga kompleks.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. Digunakan untuk akses online ke database. network. atau bagan organisasi. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. • SQL. membuat link lojikal diantara item data yang berelasi. data mudah dikembangkan atau diubah. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. dan Supra). dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. termasuk koneksi rumit diantara item-item yang berelasi. • Relational Database. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. Struktur ini disebut dengan model CODASYL. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. Ingres. Menyusun item data dalam gaya top-down.

dan Versant. serta melibatkan faktor-faktor matematis. menampilkan kalkulasi berulang pada variabel yang berhubungan. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. Hal utama yang ada di DMBS adalah manajemen data. Ini membantu membuat dan mengatur model. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS.Program spreadsheet berhubungan dengan aspek pemodelan DSS. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report. yaitu untuk membuat. Abstraction digunakan untuk membuat hirarki inheritance. menghapus. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek.ST Page 23 . dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. C++. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. G-Base. Walaupun SQL digunakan untuk membuat dan mengakses database relasional. solusinya tetap saja tiak efektif. Delphi. 3. Alternatif lain. Express. seperti: Lotus 1-2-3 dan Excel. Ontos. PHP. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. dan menampilkan data. statistik dan keuangan. C#. mengubah. Contoh dari object-oriented data manager: GemStone.secara efisien.7 Aplikasi Database dan Spreadsheet. Java. Tool-tool berorientasi objek berfokus secara langsung pada database. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. Serupa dengan fenomena ini.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar. angka. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik. VBase. dan karakter-karakter lain). Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi.

hardware. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. databases. 3. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. Kedua. jaringan. Sistem Pendukung Keputusan – Gunandjar. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise. Keamanan jaringan dan data meningkat. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin. Sistem enterprise jelas makin kompleks.10 Konsep Information Warehouse (IW). 3. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. Pertama. dan tool-tool manajemen. 3.ST Page 24 . Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. Manajer harus mengantisipasi tantangan ini.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. tanpa mengganggu ketersediaan sistem dan jaringan. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. dan biasanya berasal dari berbagai vendor. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada.kasar dan tak perlu menggunakan 4GLs yang ada. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise.

Umumnya menggunakan yang digunakan untuk mengakses resources jaringan. manipulasi. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. masing-masing dengan interface user sendiri-sendiri. dihubungkan ke jaringan. konstruksi presentasi. User dihubungkan oleh interface ke Client. retrieval. IW adalah sekumpulan DBMS. • Pada sistem client/server terdapat berbagai client.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. ke dalam sistem yang fleksibel. Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. yang selama ini belum bisa dilakukan oleh user MSS. LAN. Dicirikan oleh: • • GUI. interface. sampai saat dibutuhkan. tool. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. analisis. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. dan mainframe. akurat.11 Arsitektur client . dan efisien. efektif. dan mudah dimengerti dalam pengambilan keputusan bisnis. tepat waktu. .server Arsitektur yang mencoba untuk mengorganisasi PC. metodologi penampilan grafis.ST Page 25 Client-nya adalah PC atau workstation.

• • • Server bisa berupa workstation yang besar. penyimpanan dan retrieval informasi. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). Client dapat menampilkan berbagai query. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. Aplikasi client/server dibagi menjadi 4 kategori: 1. sebuah mainframe. print server. Aplikasi pesan. Server tidak memulai suatu pekerjaan. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server.computing server. seperti e-mail. Server menangani database dan pemrosesan transaksi yang lebih intensif. command. tempat penyimpanan yang besar. dan video text. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. manajemen jaringan dan dokumen. • • • • Server menampilkan hasil-hasilnya pada layarnya client.yang disediakan server. Sistem Pendukung Keputusan – Gunandjar. dari permintaan client. BBS.ST Page 26 . dan/atau peralatan LAN. seperti misalnya manajemen e-mail. • Server melayani file sharing. file server. Kebanyakan server adalah: database server. dan bagian back-end diselesaikan oleh server. dan communication server. atau pelayanan komunikasi ke jaringan. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. • Pada client/server computing. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal). transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). Client menampilkan manipulasi data lokal dan user interface-nya.

negara. Contoh dimensi: produk. Contoh waktu: harian. Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. yang dilakukan oleh orang di bagian penjualan tertentu. keuntungan penyimpanan. seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. mingguan. unit bisnis. Pendekatan ini disebut dengan multidimensionality. 3 faktor dalam multidimensionality: dimensi. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. atau industri. atau remote akses komputer. tergantung pada volume data dan jumlah dimensinya. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. ukuran. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. Contohnya. Penyebarluasan suatu database diantara berbagai jaringan komputer. dan waktu. jalur distribusi. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. segmen pasar. Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. Tapi perlu diingat. Sharing/pemakaian bersama pada file/peralatan lain. bulanan. lokasi gegrafis. 3. caturwulan. dan dapat dilakukan oleh user itu sendiri. aktual vs perkiraan. atau tahunan. yang dihitung berdasarkan unit. • • Contoh ukuran: uang. sales volume (volume penjualan). salespeople (orang-orang bagian penjualan).ST Page 27 .2. maka hal itu dapat dilakukan lebih cepat. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality. Sistem Pendukung Keputusan – Gunandjar. selama bulan tertentu juga. 4. masing-masingnya dikerjakan pada komputer yang berbeda.

Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. sekarang dibeli Microsoft). diperkuat dengan DataLens. dimana tool ini berbasiskan PC yang murah. GUI. yang bertumpu pada lingkungan database relasional terdistribusi. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional.ST . Sehingga. Contoh aplikasi OLTP ini: INFORMIX-OnLine. Selama beberapa waktu. daripada bagaimana data diakuisisi atau disimpan. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing). jaringan. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP).). Data dipping ini memiliki juga nama lain: Business Intelligence Systems. Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya. dan data access and reporting tools.). Quest (dari Gupta Corp. Visual Basic (dari Microsoft).. dan pendekatan client/server. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS. end-user data access. Contoh produknya: • • • • • • • Excel (dari Microsoft). Personal Access (dari Spinnaker Corp. Lotus 1-2-3 (dari Lotus Development Corp. 3. diperkuat dengan Q&E (dari Q&E Corp. Beberapa orang menyebut hal ini data dipper. Tool ini ditujukan untuk mendayagunakan user. Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data. Pengaksesan Data: Data Dipping.12. LightShip (dari Pilot Software). Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. Forest and Trees (dari Channel Computing. sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar.).

dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. Pengembangan aplikasi MSS membutuhkan akses ke database. dan menyimpannya ke dalam sistem terkomputerisasi. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal. dan personal. tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. Pendekatan ini disebut dengan intelligent database. Teknologi AI. reviewing. informasi. dan knowledge. penggunaan. 3. Updating.). dapat mempermudah manajemen database. Sebagai contoh.13 Intelligent Database Organisasi.Trinzic Corp. Sistem Pendukung Keputusan – Gunandjar. terus menerus mengumpulkan data.ST Page 29 . eksternal. pribadi dan publik. khususnya ES. Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent.

MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. report. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. tipe yang disukai adalah relasional. data yang waktunya tidak tepat (nontimely data). Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). terlalu banyak data.• • • Data eksternal tersedia dalam ribuan database komersial online. • • • • • • • SQL adalah akses standar untuk database relasional. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. berbagai MSS ditawarkan pada sistem client/server. baik itu berarsitektur relasional.ST Page 30 . Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). maupuan jaringan. hirarkikal. tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. atau malah tak ada data sama sekali. DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. Sebagai contoh adalah Information Warehouse dari IBM. OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. sangat berguna dalam MSS terdistribusi. direktori. Juga Sistem Pendukung Keputusan – Gunandjar. Untuk kebanyakan MSS. kamus (dictionaries). Data diorganisasi dalam berbagai cara. dan lain-lain.

• Dalam client/server.ST Page 31 . telekomunikasi. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda. walaupun data tersebut berada pada file dan database yang berbeda. Sistem Pendukung Keputusan – Gunandjar. beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. dan berbagai penyedia layanan yang lain (server).menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi.

dan lainnya. Tulis DSS dengan bahasa pemrograman umum: Pascal. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. 6. Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya. Berturutturut ES/DSS. 4. kualitas yang memadai. Java. 4. C#. DSS. apalagi yang besar. semi terstruktur. MIS bisa digunakan untuk ini. Menggunakan DSS Generator: Excel. dan +. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. Delphi. jaringan) dan perilaku (interaksi manusiamesin. 2.2 Strategi Pengembangan 1. Express.3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. merupakan proses yang rumit. 5. Quattro Pro. Memiliki jaminan Untuk DSS yang kompleks. 4.1 Pendahuluan Membangun sebuah DSS. dampak DSS pada individu). Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). • • Melibatkan hal-hal: teknis (hardware. Lotus 1-2-3. C+ Menggunakan 4GL: data-oriented language. pendekatan di atas. ataupun terstruktur. financial-oriented language. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. EFPM untuk kalangan perguruan tinggi.BAB IV MEMBANGUN DSS 4.ST Page 32 . C. spreadsheets. 3.

Demonstration. Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. 4. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Problem Diagnosis. sifat berulang dari suatu proses. Objectives of DSS.Phase A Planning: Needs Assesment. Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models.ST Page 33 . dan pengembangan DSS berbasis tim vs pengembangan berbasis user. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. Tests Phase E Phase F Implementation: Testing and Evaluation. berbagai pendekatan konstruksi DSS. Orientation. Training. Sistem Pendukung Keputusan – Gunandjar.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara.

Waktu terjadinya umpan balik dari user singkat. Pendekatan Prototyping Evolusioner. tapi berguna. Di satu sisi memahami kebutuhan user adalah hal yang sulit. dalam membantu pengambil keputusan. 4. dan implementasi) ke dalam 1 langkah yang diulang-ulang. Dari situ. konstruksi. informasi yang dibutuhkan.ST .out process (proses sementara). Proses berulang terdiri dari 4 tugas. IRD bisa juga melibatkan CSF (Critical Success Factors). • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis. Mengembangkan sistem yang kecil. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. Menghaluskan. Memilih submasalah penting yang akan dibangun pertama kali. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. proses berulang (iterative process). • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). dan memodifikasi sistem secara berulang. IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. Mengevaluasi sistem terus menerus. mengembangkan. Meningkatkan pemahaman user terhadap sistem.Pendekatan SDLC (System Development Life Cycle). desain. Page 34 Sistem Pendukung Keputusan – Gunandjar. diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. Nama lainnya adalah middle. adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi. seperti di bawah ini: 1. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat. atau cukup disebut prototyping saja. 2. 3.

6. Secara organisasi penempatan DSS Group bisa dimana-mana. Dalam departemen IS (Information Services). • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. lama. 4.5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. dan berbagai tool. • Biayanya rendah. Dimulai mulai tahun 1980-an. umumnya pada lokasi: 1. 2. Sistem Pendukung Keputusan – Gunandjar. Dalam wilayah keuangan atau fungsi lainnya. jaringan komunikasi komputer. Sistem ini didesain oleh tim yang terdiri dari user. DSS builder. dan didesain utama untuk mendukung organisasi. 5. seiring pesatnya perkembangan di bidang PC (Personal Computer). • Pendekatan lainnya adalah membangun DSS berbasiskan user. Tentu saja kedua pendekatan ini bisa dikombinasikan. sistemnya kompleks. untuk mendapat kinerja yang diinginkan. berkurangnya biaya hardware maupun software. penghubung (intermediaries). Berbagai individu dalam setiap kategori tadi. 3. maka pembangunan DSS menjadi kompleks. Dalam kelompok manajemen pengetahuan (Management Science Group). Dalam departemen rekayasa industri.6 Pengembangan DSS berbasis Tim Menentukan DSS Group. 4. 4. Dalam kelompok pusat informasi (Information Center Group). Executive Staff Group. dan prosesnya memakan biaya.dan kemampuannya. tenaga ahli.ST Page 35 . Intinya dengan berbasis tim.

8 Pendekatan ROMC (Representations. Pendekatan ROMC membantu menyelesaikan kesulitan ini. desain. Terbagi atas 4 entitas berorientasi user: 1. • Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS. 3. Representasi. Grafis lebih disukai. Operasi. Bantuan untuk mengingat sesuatu (misal: laporan.Memory Aids. 2. 4. yang merupakan titik awal bagi desain sistem.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan .4. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. 3. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi. Bantuan untuk mengingat sesuatu. tampilan “split screen”. Mekanisme kontrol.Operations. Fase pengambilan keputusan: intelligence. mendasarkan diri pada 5 karakteristik keputusan: 1. dan pemilihan dapat diterapkan pada analisis DSS.7 Perencanaan DSS Generator. file Sistem Pendukung Keputusan – Gunandjar. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. yang merupakan proses yang bebas. Pendekatan ROMC. and Control Mechanisms). 2.

Update lists to show assignments. indeks. Computerize address Query the database. Workspace for developing assignment tables. Represenations: A city map.ST . Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung.Library for saving tables. applied via direct. Relationship between A map outline. 5. Aid to direct personal control conventions knowledge. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. A variety of memory aids: 3. ketrampilan. skills. mental rules. 2. and 4. Gather data on customers. dan knowledge mereka sendiri. Compare alternatives. Staff reminder. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. customer data. Create alternative customer assignments for salespeople. all invoking choice: activities for intelligence. Rolodex. Temporary storage. Views of on customers. Automated memory aids: List of customers. and and decision types. Table showing salespeople and their customer assignments. 4. 3. Operations for intelligence.data. File drawers with old tables. DSS Messages. design.Differentdecision-making processes 2. assets and liabilities. Conceptualizations: 1. Scratch paper. Pengambil keputusan berbeda dalam gaya. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. Summary sheets Extracted data on customers. secara pribadi mengatur dukungan sistem. A scatterplot of assets versus liabilities. A variety of styles. 4. and choice. design. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. ketrampilan. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. dan knowledge.

Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah.personal control: Accepted conventions for interpersonal communication.9 Jenis Fleksibelitas dalam DSS: 1. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. baik user maupun pembangun DSS. Ability to override DSS defaults or procedures. berubah pada saat system dipakai. Sistem Pendukung Keputusan – Gunandjar. Contoh: kemampuan “what-if”. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. apa yang mereka mau dan butuhkan. Konsep user mengenai tugas. Perubahan yang terjadi haruslah mudah untuk dilakukan. yang mampu untuk menentukan kebutuhan fungsional seluruhnya. Procedures operations. User tak tahu. Faktorfaktor ini memang sering berubah-ubah. 4. Standard operating procedures. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. dan persepsi dari sifat dasar masalah. Solusi yang diturunkan melalui DSS bersifat subjektif. user dan lingkungan. mengantisipasi apa yang dibutuhkan secara lengkap. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence. Sistem jarang mencapai hasil final.ST Page 38 . design. 2. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. Revise orders or procedures Training and explanation in how to give orders to the DSS. Fleksibelitas menyelesaikan. Orders to staff. atau tak dapat mengungkapkan.

Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. pengolah kata yang digunakan oleh sekretaris.ST Page 39 . 2. Fleksibelitas mengadaptasi. Biayanya sangat rendah. 4. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. Masalah implementasi DSS dapat dikurangi. 3. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. Fleksibelitas berevolusi. 4. Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. Ini diatur oleh pembangun DSS. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi. e-mail yang digunakan oleh CEO. 4.2. 4. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Resikonya adalah : 1. kualitas bias tak terjaga 2. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu. 3. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder). dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. atau pada perluasan masalah. Fleksibelitas memodifikasi. Waktu penyelesaiannya singkat. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah). Sistem Pendukung Keputusan – Gunandjar.10 Komputasi End-User. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser.

Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program. Page 40 Sistem Pendukung Keputusan – Gunandjar.12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.4. Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4.ST .

(4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. Dengan kemampuan PC yang luar biasa sekarang ini. CASE tools. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. Manajemen projek. Kalender (manajemen waktu). Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Grafis bisnis. Komunikasi. Bahasa pemodelan.• • • • • • • Manajemen Data. Pemilihan Software. Jaringan. (2) hardware seperti apakah yang dipakai untuk menjalankannya. software DSS lebih banyak ditemui pada jenis komputer mikro. Bahasa pemrograman (generasi ketiga). Pengolah kata. Bahasa analisis data statistikal umum. Bahasa penghasil grafis. Tool pembangun ES. (3) sistem operasi seperti apa yang akan digunakan. Kemudian dengan adanya program-program berbasis Windows. Page 41 Sistem Pendukung Keputusan – Gunandjar. Microsoft Excel 4.14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan.ST . Desk management. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. Bahasa khusus yang lain (misal: untuk membangun simulasi). Tool pemrograman berorientasi objek.

seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. Semua masalah teknis. 3. misalnya oleh Data Decisions. Beberapa kriteria tak bisa diukur.15 Merangkai semuanya dalam satu sistem. Mereka hanyalah merupakan salah satu sumber informasi saja. Paket software selalu berganti dengan cepat.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. 5. 7. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan. Data dipertimbangkan masak. semuanya bersifat subjektif dan seringkali dangkal ulasannya. Inc. yang lain memiliki konflik langsung dengan yang lain lagi. dan Software Digest. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. Beberapa orang terlibat dalam tim evaluasi.masak.. Pro. dan jurnal panduan user. 8. 6. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. dan manajerial harus Evaluasi komersial yang tersedia. Harga seringkali berubah. Suatu bahasa digunakan dalam membangun berbagai DSS. yang setara dengan sumber-sumber informasi lain.ST . Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. Dari sini tidak diketahui secara lengkap. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. misalnya PC Week dan Infosystems. 9. lain. fungsional. 4. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. 4. end-user. 2.

Generator grafis. Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. 2. dll. Sistem manajemen berbasis model. Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan. dan lalu beradaptasi secara otomatis pada evolusi usernya. Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. penginterpretasian.). Sistem manajemen dialog (antarmuka user). Struktur. 3. (3)meningkatkan kontrol pada sumber-sumber informasi organisasi. Generator laporan (memformat laporan output). Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. dan (4) mewujudkan system sharing. Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed).• • • • • • • Fasilitas analisis dan desain sistem (pengeditan.ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . 4. (2)mengurangi dampak penggunaan sistem (lebih user-friendly). Sistem manajemen knowledge. Diperlukan kemampuan: 1.

environment DSS 4. dan antarmuka user. 4. Ini adalah kontrol intelijen yang mengandung satu knowledge base. Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. Manajemen data.ST Task User behavior Quality of decision made Page 44 .yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. yang merupakan komponen dasar dari sembarang DSS. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System). manajemen model. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS.17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS.1. 3. 2.

arsitektur client/server. 4. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. ES bisa memberikan kontribusi utama dalam hal ini. memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. ilmu komputer. sumber model DSS. GUI. Kontribusi serupa bisa dating dari psikologi kognitif. teori perilaku. Perkembangan terbaru pada teknologi komputer. Manajemen sains. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. dan ilmu politik. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). 6. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. sistem berbasis pengetahuan. memanajemen kerancuan dan kekompleksan. 5.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. menjelaskan struktur masalah.ST . Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. dapat digunakan untuk meningkatkan DSS. mesin pembelajaran (machine learning). dan tool manajemen data. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. ekonomi informasi. 2. telekomunikasi. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan. Saat ini DSS tak kreatif. 3.

16. atau paling tidak menghasilkan peneluran ide. 9. baik mengenai teorinya dan dalam pengembangan software. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. Riset DSS harus melebarkan perspektifnya. Masalahnya adalah bagaimana melakukannya. 10. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. pembelajaran. etik. 14. 7. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. 13. Masalah sosial dan etik juga harus lebih diperhatikan. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. 12. dan keefektifan. dan estetik.masalah yang tak terstruktur. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. Integrasi DSS dengan ES. Teori DSS harus ditingkatkan. Konsep manajemen model harus dikembangkan. 15. Riset harus dilakukan pada interaksi diantara individu dan grup. 17. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. Ini akan membutuhkan variabel yang lebar jangkauannya. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. 11. 8. CBIS lainnya. berhubungan dengan keefektifan organisasi dan perencanaan strategis.ST Page 46 . yang sulit untuk diukur atau bahkan ditentukan.

2. 5. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. implementasi. 4. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). perantara. kecenderungan ke depan adalah menjadi DSS terdistribusi.ST . 3.meningkatkan kemampuan pengambilan keputusannya. Dampak organisasional dari MSS bisa signifikan. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. builder. konstruksi. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi. Partisipan dalam proses konstruksi adalah: user. tenaga pendukung. desain. dan pemegang tool. 18. analisis. group DSS akan lebih lazim di masa depan. Riset lebih lanjut harus diarahkan pada wilayah ini. Terdapat berbagai strategi pengembangan. perawatan. dan adaptasi. 6. 4. riset. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya.18 DSS masa Depan 1. Langkah utamanya adalah: perencanaan. personal. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. teknik AI.

Banyak DSS dibangun dalam lingkungan Windows. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. Pembangunan DSS dengan tim mengikuti proses terstruktur. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. termasuk perencanaan. • • DSS dapat dibangun oleh tim maupun individu. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. Kecerdasan diperlukan secara khusus dalam manajemen masalah. active.ST . familiar dengan kebutuhannya. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. biaya rendah. dan implementasinya lebih mudah. DSS yang dapat berevolusi sendiri. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. Software elektronik menggunakan asosiasi. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. pemilihan software yang sesuai (generator jika dibutuhkan).karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. Peneluran ide dapat ditingkatkan dengan software elektronik. Terdapat banyak sekali tool dan generator di pasaran. dan hardware. identifikasi pola. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan.

Decision Support and Expert Systems: Management Support Systems. Daihani. dan kemampuan DSS. K. Jakarta. Bandung.Ali Ramdhani.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. PT. Prentice-Hall. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. United States of America. Komputerisasi Pengambilan Keputusan. dan M. Sistem Pendukung Keputusan – Gunandjar. Efraim. PT Elex Media Komputindo.. 1995. Suryadi. 1998. task. Fourth Edition. • • Variabel utama riset independen DSS adalah perilaku user. lingkungan. D. Inc. C.Umar. 2001. Sistem Pendukung Keputusan.ST Page 49 . Remaja Rosdakarya.

Sign up to vote on this title
UsefulNot useful